ISSN: Emmanuel Josserand, HEC, Université de Genève (Editor in Chief)
|
|
- Marguerite Duquette
- il y a 8 ans
- Total affichages :
Transcription
1 ISSN: Emmanuel Josserand, HEC, Université de Genève (Editor in Chief) Jean-Luc Arrègle, Université du Luxembourg (editor) Laure Cabantous, ESCP Europe, Paris (editor) Stewart Clegg, University of Technology, Sydney (editor) Olivier Germain, U. du Québec à Montréal (editor, book reviews) Karim Mignonac, Université de Toulouse 1 (editor) Philippe Monin, EM Lyon Business School (editor) Tyrone Pitsis, University of Newcastle (editor) Jose Pla-Barber, Universidad de València (editor) Michael Tushman, Harvard Business School (editor) Florence Villesèche, HEC, Université de Genève (managing editor) Walid Shibib, Université de Genève (editorial assistant) Martin G. Evans, University of Toronto (editor emeritus) Bernard Forgues, EM Lyon Business School (editor emeritus) Valérie FERNANDES 2012 Note de recherche : En quoi l approche PLS est-elle une méthode a (re)- découvrir pour les chercheurs en management? M@n@gement, 15(1), M@n@gement est la revue officielle de l AIMS Association Internationale de Management Stratégique Copies of this article can be made free of charge and without securing permission, for purposes of teaching, research, or library reserve. Consent to other kinds of copying, such as that for creating new works, or for resale, must be obtained from both the journal editor(s) and the author(s). M@n@gement is a double-blind refereed journal where articles are published in their original language as soon as they have been accepted. For a free subscription to M@n@gement, and more information: M@n@gement and the author(s). M@n@gement is the official journal of AIMS
2 En quoi l approche PLS est-elle une méthode a (re)-découvrir pour les chercheurs en management? M@n@gement vol. 15 no. 1, 2012, En quoi l approche PLS est-elle une méthode a (re)-découvrir pour les chercheurs en management? Valérie FERNANDES Groupe Sup de Co La Rochelle Cerege Poitiers (EA 1722) fernandesv@esc-larochelle.fr Résumé : Les techniques de modélisation causale, en particulier les équations structurelles (et notamment celles basées sur la covariance), ont connu un succès croissant auprès des chercheurs en management depuis une vingtaine d années. Parmi elles, l approche PLS (Partial Least Squares) commence à être diffusée depuis quelques années au sein de la communauté de la recherche en management. Or, les connaissances sur cette méthode sont peu approfondies et peu diffusées. Cet article tente de démontrer en quoi l approche PLS est une méthode riche et subtile offrant des opportunités pour la recherche en management qui méritent d être saisies. Pour cela, la méthode et ses principes sont exposés puis illustrés par une recherche menée dans le domaine des relations clients-fournisseurs. Puis, les spécificités de l approche PLS sont abordées et l utilisation de l outil est étudiée à travers l analyse empirique de 51 articles en management et stratégie. On en conclut que, même si des efforts restent encore à fournir au niveau de la fiabilité statistique de certaines études, l approche PLS permet indéniablement d offrir de réelles opportunités aux chercheurs en management, les affranchissant de certaines difficultés techniques et leur permettant de se concentrer alors sur l essentiel, leur objet de recherche. La diffusion de l approche PLS au sein de la communauté des chercheurs en management pourrait donc contribuer de façon très significative à l enrichissement scientifique de la discipline. Mots clés : PLS, Partial Least Square, équations structurelles INTRODUCTION Les techniques de modélisation causale, en particulier les équations structurelles (et notamment celles basées sur la covariance), ont connu un succès croissant auprès des chercheurs en sciences de gestion depuis une vingtaine d années (Burnette & Williams, 2005). L une d elle connait une diffusion croissante dans la communauté de la recherche en management, notamment en management stratégique. Il s agit de l approche PLS, développée par Wold à la fin des années soixante et opérationnalisée au début des années quatre-vingt (notamment avec le développement du logiciel PLS 1.8). Il nous parait alors intéressant et opportun de faire le point sur cet outil. En effet, les connaissances sur cette méthode sont peu approfondies ou diffusées en management 102
3 vol. 15 no. 1, 2012, Valerie FERNANDES et on constate le peu de recherches recensant les bonnes pratiques quant à son utilisation. L objet de cet article est de montrer l intérêt de cette approche tant d un point de vue épistémologique (par exemple son caractère exploratoire) que d un point de vue méthodologique (par exemple ses présupposés statistiques ou ses éléments d évaluation). Car, au-delà d être une simple alternative aux méthodes d équations structurelles basées sur la covariance LISREL étant la plus connue, l approche PLS possède ses propres spécificités. Un second objectif est alors de montrer en quoi cette approche offre de réelles opportunités pour la recherche en management. Dans une première partie, la méthode et ses principes sont exposés. Au sein de la seconde partie, les spécificités de l approche PLS sont abordées et l utilisation de l outil est étudiée à travers l analyse empirique de 51 articles en management/stratégie. L APPROCHE PLS : LA METHODE ET SES PRINCIPES Principes de la méthode PLS L approche PLS fait partie des modèles d équations structurelles à variables latentes, «méthodes de modélisation de phénomènes apte à bien définir des systèmes complexes en interaction» (Jakobowicz, 2007). Qualifiés de méthodes de seconde génération (par comparaison aux méthodes de première génération comme les analyses en composantes principales ou les analyses multidimensionnelles), les modèles d équations structurelles offrent au chercheur une plus grande flexibilité dans l interprétation entre théorie et données (Chin, 1998). Plus précisément, ces méthodes permettent d introduire «des variables latentes ou non observables, de spécifier la nature des relations entre ces variables latentes et leurs mesures, de préciser le type de relations envisagées entre les variables latentes ou encore d analyser des inférences causales entre plusieurs ensembles de variables explicatives et expliquées» (Croutsche, 2002). L approche PLS présente des spécificités qui vont être développées par la suite. Il nous semble néanmoins important de souligner dès à présent que cette méthode est particulièrement adaptée au développement théorique et aux applications prédictives. Elle a été dès son développement présentée comme adaptée aux analyses causales prédictives dans des situations de forte complexité et d information théorique faible (Jöreskog & Wold, 1982). L approche PLS est une démarche itérative non linéaire suivant les moindres carrés partiels qui minimise les variances résiduelles sous une contrainte de «point fixe». Cette méthode tient compte des variances résiduelles relatives aux variables théoriques et aux variables observées (Croutsche, 2009). Elle permet de modéliser des relations non récursives. On utilise un processus d estimation en régressant les 103
4 En quoi l approche PLS est-elle une méthode a (re)-découvrir pour les chercheurs en management? M@n@gement vol. 15 no. 1, 2012, variables latentes avec leurs indicateurs respectifs et en régressant les variables latentes entre elles. On estime tout d abord les variables latentes à partir du modèle externe. «L estimation externe Y j de la variable latente ξ j est construite comme une combinaison linéaire des variables manifestes x jh : Y j = h w jh x jh = X J w j Où wj est le vecteur colonne des coefficients wjh. On impose à la variable Yj d être centrée-réduite.» (Tenenhaus, 1999: 15). Puis on réalise «l estimation interne Z j des variables latentes à partir des estimations externes Y i des variables latentes ξ i liées à ξ j : Z j { i i j,cij 0} e ji Y i Où le signe signifie que la variable située à gauche de ce signe est obtenue par réduction de la variable située à droite» (Tenenhaus, 1999: 16). On répète ces deux étapes jusqu à convergence, puis on estime les coefficients du modèle par des régressions simples ou multiples. Le détail de l algorithme développé par Wold figure dans de nombreux travaux comme ceux de Tenenhaus (1999), de Chin et Newsted (1999), de Hsu, Chen et Hsieh (2006) ou de Jakobowicz (2007). Une modélisation des construits adaptée L approche PLS, à la différence d autres méthodes d équations structurelles, autorise différentes modélisations des construits formatifs, réflexifs ou les deux (figure 1). En effet, de nombreuses difficultés surgissent lorsqu il s agit de traiter des construits formatifs à l aide de méthodes basées sur la covariance. Petter, Straub et Rai (2007: 640) les explicitent clairement. Elles sont dues essentiellement à la nécessité d identifier le modèle afin qu une solution existe pour chaque paramètre au sein du modèle. Le cas des construits formatifs pose problème au sens où ils sont statistiquement sous-identifiés. On peut alors être amené à «altérer le modèle pour s adapter à l outil statistique (en enlevant des liens structurels, en ramenant les termes d erreur du construit à zéro ou en modifiant tout le modèle) [ ] ou bien à modéliser les construits de façon réflexive» (Petter, Straub et Rai, 2007), solution fort peu recommandable. En effet, le choix effectué par le chercheur de définir des relations formatives, réflexives ou mixtes entre des indicateurs et leurs construits respectifs est fondamental. Car, au-delà des conséquences statistiques, c est bien la fiabilité et la solidité des résultats de la recherche qui sont en cause. Ainsi que Crié (2005: 20) le souligne, «une mauvaise spécification du sens causal entre un construit et ses mesures conduit inévitablement à des conclusions erronées en ce qui concerne les relations structurelles avec les construits». Le lien entre chaque variable latente et ses variables de mesure est donc fondamental car il reflète la conceptualisation des construits et donc 104
5 vol. 15 no. 1, 2012, Valerie FERNANDES leur fiabilité. Jarvis, Mackenzie et Podsakoff (2004) ont ainsi démontré, à travers une large étude de publications utilisant les méthodes d équations structurelles, que 71% des construits étaient correctement modélisés. Parmi ceux qui ne l étaient pas, les résultats de la recherche menée montrent que l erreur de spécification des modèles de mesure même d un seul construit peut avoir de sérieuses conséquences pour les conclusions théoriques tirées du modèle. Dans le cadre d un modèle causal, trois types de relations sont possibles selon que les indicateurs soient réflexifs, formatifs ou les deux. Figure 1. Modes réflexif et formatif Mode réflexif Mode formatif ζ 1 Variable latente ξ1 (Composant 1) ξ2 (Composant 2) Variables manifestes X 13 X 12 X 11 Y 13 Y 12 Y 11 ᵋ1 ᵋ2 ᵋ3 Chaque variable manifeste reflète sa variable latente x jh = λ ξ + ε où ε jh est un terme aléatoire de moyenne non nulle et non corrélé à la variable latente ξ j Source : adapté de Tenenhaus (1999) jh j jh La variable latente est générée par ses propres variables manifestes ξ j = π jh x jh + δ où δ j est un terme aléatoire de moyenne nulle et non corrélé aux variables manifestes x jh h J Dans le cadre du mode réflexif (aussi appelé mode A), les indicateurs sont créés dans la perspective de mesurer tous le même phénomène sous-jacent. Chaque variable manifeste reflète sa variable latente et lui est reliée par une simple régression. En d autres termes, la variable latente existe théoriquement mais reste inobservable. Elle influence les indicateurs, expliquant leurs inter-corrélations. Les indicateurs réflexifs doivent avoir une cohérence interne. En effet, comme le précisent Jarvis et al. (2004), la validité du construit reste inchangée si l on retire un seul indicateur parce que toutes les facettes d un construit unidimensionnel doivent être représentées de manière suffisante dans les indicateurs restants. Pour cela, il est nécessaire de remplir les conditions d unidimensionnalité du construit et de signe positif des corrélations des indicateurs avec leur variable latente (Tenenhaus, Esposito Vinzi, Chatelin & Lauro, 2005). Le mode formatif (ou mode B) suppose que la variable latente est gé- 105
6 En quoi l approche PLS est-elle une méthode a (re)-découvrir pour les chercheurs en management? M@n@gement vol. 15 no. 1, 2012, nérée par ses propres variables manifestes. La variable latente est alors une fonction linéaire de ses variables manifestes plus un terme résiduel. Dans ce modèle, le bloc des variables manifestes peut être multidimensionnel. Pour autant, le mode formatif ne doit pas être utilisé comme une simple alternative à un problème d unidimensionnalité d un construit. En effet, contrairement au mode réflexif, le sens de la causalité va des variables de mesure à la variable latente et «les indicateurs, en tant que groupe, déterminent conjointement la signification conceptuelle et empirique du construit» (Jarvis et al., 2004). Les indicateurs agissent sur le construit et ne sont pas, comme dans le mode réflexif, causés par un seul et même construit sous-jacent. Comparativement au mode A, la suppression d un des indicateurs peut engendrer de graves problèmes en modifiant sérieusement la signification de la variable latente. C est pour cela que sous un tel mode, les indicateurs ne sont pas soumis aux conditions d unidimensionnalité des construits et peuvent alors être corrélés. Hulland (1999) précise que dans ce cadre, il faut porter beaucoup d attention à la robustesse de la théorie (qui aide à identifier les mesures appropriées) et à l utilisation de plusieurs mesures pour un seul construit (afin d assurer une validité de contenu qui soit acceptable). En conclusion, Jarvis et al. (2004) énumèrent les conditions qui justifient la modélisation d un construit selon un mode formatif : «les indicateurs sont vus comme des caractéristiques définissant le construit ; des changements dans les indicateurs sont supposés causer des changements dans le construit ; les changements dans le construit ne sont pas supposés causer des changements dans les indicateurs ; les indicateurs ne partagent pas nécessairement un thème commun ; éliminer un indicateur peut altérer le domaine conceptuel du construit ; un changement dans la valeur d un des indicateurs n est pas nécessairement supposé être associé à un changement dans tous les autres indicateurs et les indicateurs ne sont pas supposés avoir les mêmes antécédents et conséquences.» Un mode mixte existe, il s agit du mode MIMIC (ou mode C). C est un mélange des modes formatifs et réflexifs. La première variable manifeste p 1 suit un mode réflexif alors que les autres (p-p 1 ) suivent une voie formative. La juste détermination de la nature des relations entre les mesures et leur construit est donc essentielle à la conceptualisation de l objet de recherche et à la solidité des analyses statistiques et des raisonnements associés. En effet, «comme le permettent certains logiciels, il ne suffit pas de mettre les flèches dans le «bon sens», encore faut-il être certain que c est à bon escient» (Crié, 2005: 24). Evaluation d un modèle PLS L évaluation d un modèle PLS suppose l examen attentif de trois éléments méthodologiques principaux (Hulland, 1999) : la détermination de la nature des relations entre les mesures et les construits (point traité précédemment), l évaluation de la fiabilité et de la validité des mesures et l évaluation du modèle final. Pour traiter ces deux derniers points, il faut analyser le modèle de 106
7 vol. 15 no. 1, 2012, Valerie FERNANDES mesure et le modèle structurel. Le modèle de mesure est celui qui lie les variables latentes aux indicateurs alors que le modèle structurel lie les variables latentes entre elles (figure 2). Figure 2. Modèle de mesure et modèle structurel Y 11 Variable exogène Y 12 ξ1 X 21 Y 13 X 22 η2 X 23 X 11 X 12 η 1 X 2n X 13 Variable endogène Variable endogène Modèle structurel Modèle de mesure Variable latente Variable manifeste Evaluation du modèle de mesure Le modèle de mesure, appelé aussi modèle externe ou «outer model», est évalué sur la base des critères suivants : la fiabilité de cohérence interne, l unidimensionnalité des construits, la validité convergente des mesures associées aux construits et la validité discriminante. La fiabilité de cohérence interne peut être vérifiée par deux mesures que sont l Alpha de Cronbach et la fiabilité composite (Chin, 1998). Ces indicateurs varient entre 0 et 1. La valeur souvent considérée comme indiquant un bon niveau de fiabilité est 0.7 (Tenenhaus, et al., 2005). L unidimensionnalité d un bloc se vérifie en étudiant les valeurs propres issues de l analyse en composantes principales : la première valeur propre doit être supérieure à 1 et la seconde inférieure à 1 (ou très inférieure à la première). En outre, une variable manifeste doit être plus corrélée avec la variable latente qu elle doit mesurer qu avec les autres. Dans un cadre exploratoire, on peut, pour former des construits unidimensionnels, regrouper les variables par bloc en réalisant une analyse typologique (Malhotra, 2004: 601) ou bien en fonction de leurs corrélations sur les axes factoriels. Nous tenons à rappeler que la condition d unidimensionnalité n est pas obligatoire dans le cadre d une modélisation formative des construits. La validité convergente des mesures repose sur l examen des corrélations (ou loadings) des mesures avec leur construit respectif. Elle ne s impose pas dans le cas de construits formatifs. Une règle informelle utilisée par les chercheurs consiste à considérer que le cœfficient de 107
8 En quoi l approche PLS est-elle une méthode a (re)-découvrir pour les chercheurs en management? M@n@gement vol. 15 no. 1, 2012, corrélation doit être supérieur à 0.7, ce qui implique qu il y a plus de variance partagée entre le construit et sa mesure que d erreur de variance. Ceci signifie que plus de 50% de la variance dans la variable observée est dû à son construit. Une corrélation inférieure à 0.7 appelle à la vigilance. En effet, elle peut être le résultat d un item mal formulé (faible fiabilité), d un item inapproprié (faible validité du contenu) ou bien d un transfert inapproprié d un item d un contexte à un autre. En règle générale, les items avec des corrélations inférieures à 0.4 ou 0.5 doivent être ôtés. Enfin, une corrélation négative peut signifier que la variable manifeste est inadéquate pour mesurer la variable latente et doit alors être ôtée du modèle. On peut en outre vérifier que chaque item est plus corrélé avec son construit qu avec les autres construits du modèle. Complément méthodologique traditionnel à la validité convergente, la validité discriminante représente l étendue avec laquelle les mesures d un construit diffèrent des mesures d un autre construit dans le modèle. Dans le cadre de l approche PLS, cela signifie qu un construit doit partager plus de variance avec ses mesures qu il n en partage avec les autres construits dans le même modèle. Les variables latentes peuvent donc être corrélées 1 entre elles mais elles doivent mesurer des concepts différents. Il doit donc être possible de les discriminer. Afin d évaluer la validité discriminante, Fornell et Larcker (1981) suggèrent (p j ) d utiliser la variance moyenne extraite («Average Variance Extracted» ou AVE) aussi appelée communauté (h=1) moyenne (H²), c est à dire la variance partagée entre un construit et ses mesures. Pour chaque bloc j : 1.La corrélation doit être inférieure à 1. H j 2 = 1/p j cor2 (x jh,y j ) Avec p égal au nombre total de variables manifestes dans les blocs (Tenenhaus, et al., 2005, p.173). Chin (1998) précise qu il est recommandé qu elle ait une valeur supérieure ou égale à 0.5. Surtout, cette mesure doit être plus grande que la variance partagée entre le construit et les autres construits du modèle (soit la corrélation au carré entre deux construits). Dans le cadre de l approche PLS, on analyse ainsi une matrice de corrélation où le carré des corrélations entre les construits figure sur une partie de la matrice et où la variance moyenne pour chaque construit figure sur la diagonale de la matrice. On peut donc de cette façon évaluer la validité discriminante. Si cette dernière n est pas satisfaisante, alors cela implique que les construits et leurs mesures ne peuvent pas être discriminés de façon adéquate et qu il est donc inapproprié de les voir comme des entités théoriques distinctes et séparées. Evaluation du modèle structurel Le modèle structurel, appelé aussi modèle interne ou «inner model», est évalué sur la base de la pertinence prédictive des variables latentes, c est-à-dire leur validité nomologique. Il convient d analyser les R² multiples et le coefficient Q² de Stone-Geisser. Selon Croutsche (2002), trois seuils de R² multiple peuvent être pris en compte. Si le R² est supérieur à 0,1, le modèle est significatif. S il est compris en- 108
9 vol. 15 no. 1, 2012, Valerie FERNANDES tre 0,05 et 0,1, alors le modèle est tangent. S il est inférieur à 0,05, alors le modèle n est pas significatif. Le R² permet de comprendre la contribution de chaque variable explicative à la prévision de la variable dépendante. On examine alors les valeurs de R² pour les construits endogènes (dépendants). Le changement dans les R² peut être exploré pour voir si une variable latente exogène a un impact substantiel (Chin, 1998: ). Il est donc important que le chercheur communique les valeurs de R² pour chaque construit endogène du modèle. La qualité de chaque équation structurelle peut être évaluée par le coefficient Q² de Stone-Geisser, aussi appelé indice de redondance en validation croisée (Tenenhaus et al., 2005). Il s agit d un test de R² en validation croisée entre les variables manifestes d une variable latente endogène et toutes les variables manifestes associées aux variables latentes expliquant la variable latente endogène, en utilisant le modèle structurel estimé. Le test de Stone-Geisser repose sur un nombre de classes prédéterminé, en général 30. Pour plus de détails, on peut se reporter aux travaux de Tenenhaus (1999: 19). Selon Wold (1982: 30-34), le test de Stone- Geisser s ajuste au modèle comme un gant («fits soft modeling like hand in glove»). Q²=1-E/O avec E représentant la somme des carrés des erreurs et O la somme des carrés des valeurs observées. Si Q² est positif, alors le modèle présente une validité prédictive. S il est négatif, on constate l absence de validité prédictive (Tenenhaus, 1999). Comme le précise Croutsche (2009), «on peut estimer que ce coefficient est acceptable lorsqu il est supérieur à 0». Afin d obtenir des coefficients de régression significatifs dans le modèle structurel, on peut utiliser des méthodes de ré-échantillonnage comme le jackknife ou le bootstrap. Elles permettent, par le calcul de l erreur, de savoir si le modèle est stable. Le jackknife permet d élaborer des échantillons en supprimant des observations dans l échantillon d origine. En général, on supprime une seule observation (Chin, 1998: 318). Puis, on recalcule chaque paramètre et les variations correspondantes. Le bootstrap est sensiblement différent dans l approche. Il s agit d un rééchantillonnage avec remise. Le nombre de ré-échantillonnages est à déterminer. Par défaut, Tenenhaus et al. (2005: 176) conseillent un minimum de 100 ré-échantillonnages. De nombreux travaux ont démontré la supériorité du bootstrap sur le jackknife, notamment en raison de la taille du cadre d échantillonnage (Rodgers, 1999). Chin (1998) précise que le jackknife est moins efficient que le bootstrap dans le sens où il n en est qu une approximation, le bootstrap étant une méthode de rééchantillonnage plus récente. Selon Tenenhaus et al. (2005: 173), l approche PLS n a pas pour objectif, contrairement à d autres méthodes d équations structurelles, d optimiser une fonction scalaire globale. Ainsi, aucun indice global de validation du modèle n existe, comme cela est le cas pour les méthodes d équations structurelles basées sur la covariance. Pour autant, ces auteurs ont développé un indice d ajustement GoF (Goodness-of- 109
10 En quoi l approche PLS est-elle une méthode a (re)-découvrir pour les chercheurs en management? M@n@gement vol. 15 no. 1, 2012, fit) présenté comme une solution opérationnelle à ce problème, dans le sens où il s agit d un indice de validation globale du modèle PLS. Il s agit de la moyenne géométrique de la moyenne des communautés et de la moyenne des R². GoF= 2 communauté R L APPROCHE PLS : UNE MÉTHODE SPÉCIFIQUE DANS SES UTILISATIONS Lors de cette seconde partie, les propos se concentrent sur les spécificités de l approche PLS. Il s agit d aborder tout d abord les points d exigence de la méthode pour ensuite la comparer avec une des techniques basées sur la covariance - LISREL. Enfin, l étude d une cinquantaine d articles en management permet d illustrer la mise en pratique de l outil. Une méthode exigeante L approche PLS est une méthode tout aussi exigeante sur certains points que souple dans d autres. Il s agit alors de bien prendre en considération les éléments conduisant au choix de cet outil ainsi que des conditions statistiques sous-jacentes, notamment en ce qui concerne la taille de l échantillon. Un choix réfléchi Il est dommage de ne choisir l approche PLS que par défaut, c est-àdire en réaction à une impossibilité à utiliser une méthode basée sur la covariance en raison de la non-conformité des données à un certain nombre d hypothèses statistiques (normalité, taille de l échantillon par exemple). Même si ces raisons restent très valables, le chercheur doit être conscient que l approche PLS porte ses propres spécificités, notamment en ce qui concerne l objet de la recherche. En effet, ainsi que le souligne fortement Chin (1998), cette méthode peut être préférée à une autre en fonction des objectifs du chercheur et, plus précisément, en fonction du rapport des données à la théorie, des propriétés de ces mêmes données, du niveau de savoir théorique et du développement des mesures. Ainsi, bien que l approche PLS puisse être utilisée pour confirmer la théorie, elle peut aussi servir à identifier l existence ou non de relations et alors suggérer des propositions de tests futurs. En effet, l approche PLS est plus une méthode prédictive et de construction de la théorie car son objectif est d examiner la signification des relations entre les construits et le pouvoir prédictif de la variable dépendante (Hsieh, Lai et Shi, 2006). Cependant, ce n est pas parce que l approche PLS est de nature plus exploratoire que les méthodes basées sur la covariance qu il faut pour autant s abstraire d élaborer un modèle sur la base de construits théoriquement éprouvés (Marcoulides et Saunders, 2006). De façon plus globale, Chin et Newsted (1999: 337) identifient cinq raisons majeures justifiant l utilisation 110
11 vol. 15 no. 1, 2012, Valerie FERNANDES de cette approche, qui «sera de plus en plus utilisée dans le futur et qui est congruente avec beaucoup de recherches en sciences sociales» : l objectif de la recherche est plus la prédiction que la confirmation de la théorie, ou le phénomène étudié est relativement nouveau ou changeant et le modèle théorique ou les mesures ne sont pas très établis, ou le modèle est relativement complexe avec un large nombre d indicateurs ou de variables latentes, ou il est essentiel de modéliser les relations entre les variables latentes et leurs mesures de différentes façons (formatives et réflexives) ou les conditions sur les données relatives à la distribution normale, à l indépendance ou à la taille de l échantillon ne sont pas remplies. Des conditions statistiques plus souples mais qui existent La présentation des conditions statistiques liées à l utilisation de l outil nous semble incontournable. L examen des données est fondamental afin de s assurer de la solidité du modèle. Ainsi la fiabilité des données doit-elle être étudiée, tout comme les caractères de distribution examinés (en utilisant par exemple le coefficient de symétrie ou bien celui de Kurtosis). Les auteurs font remarquer que lorsque les données dérivent de la normalité et que le nombre de données manquantes est important, alors les besoins en termes de taille élevée de l échantillon se font sentir. S ils ne sont pas satisfaits, la puissance de l étude peut en pâtir. Or, dans certaines recherches présentant ces caractéristiques, on peut regretter que l approche PLS soit utilisée sans tenir compte de ce qui est souvent considéré à juste titre comme un sérieux problème méthodologique (Marcoulides & Saunder, 2006). Il est néanmoins vrai que l approche PLS tolère des tailles d échantillon relativement faibles, comparativement aux méthodes basées sur la covariance. Wold (1985) souligne que cela est notamment dû au cadre d évaluation du modèle, qui repose notamment sur l utilisation du test du Q² de Stone-Geisser (utilisé pour la pertinence prédictive) et des méthodes de ré-échantillonnage (pour évaluer les erreurs standards), méthodes qui fonctionnent quelle que soit la taille de l échantillon. Fornell et Cha (1994) précisent que l approche PLS examine les modèles de mesure bloc par bloc et donc que le nombre minimal d observations requises est déterminé par le nombre de paramètres à estimer simultanément. Cela peut expliquer que dans certains cas, on puisse avoir une taille d échantillon inférieure au nombre de variables de mesure. En effet, comme le soulignent Chin, Marcolin et Newsted (2003), contrairement à d autres méthodes (comme LISREL), la taille de l échantillon pour l utilisation de l approche PLS n est pas contrainte par le respect de proportions liées au nombre d indicateurs. De façon empirique, Chin (1998) fournit la règle suivante pour déterminer la taille de l échantillon en fonction du modèle de mesure. Il s agit de multiplier par 10 le nombre de variables de mesures (appelées aussi variables manifestes ou indicateurs) composant la variable latente sélectionnée selon l une des deux options suivantes : soit la variable latente avec le plus grand nombre d indicateurs formatifs (c est-à-dire la plus grande équation de mesure) soit la variable latente dépendant du plus grand nombre de variables 111
12 En quoi l approche PLS est-elle une méthode a (re)-découvrir pour les chercheurs en management? M@n@gement vol. 15 no. 1, 2012, latentes indépendantes (c est-à-dire la plus grande équation structurelle). Ainsi, si la variable latente identifiée comme telle est constituée de 8 variables de mesure, alors la taille de l échantillon devra être équivalente à 80. Par ailleurs, Chin et al. (2003) ont montré que, au-delà d un certain seuil, l augmentation de la taille de l échantillon ne produit pas de changements significatifs dans les résultats. Mais ils précisent que, pour autant, il faut être vigilant : ainsi, des échantillons faibles (une vingtaine d observations) ne permettent pas d analyser des variables modératrices. De plus, dans le cadre de l analyse d effets d interaction (c est-à-dire l existence d une variable modératrice affectant la relation entre une variable indépendante et une variable dépendante), les auteurs démontrent que le nombre d indicateurs et la fiabilité des items et des construits sont aussi importants que la taille de l échantillon. Ainsi, les résultats de leur simulation suggèrent-ils une taille d échantillon comprise entre 100 et 150 observations, et 4 indicateurs ou plus pour chaque construit afin d évaluer l impact d une variable modératrice. Ainsi, au-delà des questions liées à la taille de l échantillon, Marcoulides et Saunders (2006) attirent l attention sur d autres points statistiques à ne pas négliger dans l utilisation de l approche PLS comme l analyse des propriétés psychométriques des variables (fiabilité des items, validité composite par exemple) ou bien encore l examen des mesures d erreur et les intervalles de confiance. Approche PLS et LISREL : éléments de comparaison A ce stade, il nous semble pertinent d approfondir la question de la spécificité de l approche PLS par une comparaison avec la méthode de modélisation en équations structurelles la plus utilisée : LISREL (LInear Structural RELationship). La comparaison qui suit (tableau 4) s inspire, entre autres, des réflexions et des contributions de Fornell et Bookstein (1982), Chin (1995), Chin (1998), Chin et Newsted (1999) et Croutsche (2009). Fondée sur l approche du maximum de vraisemblance, la méthode LISREL permet une modélisation de la matrice des covariances entre les variables observées. Dans le cadre de l approche PLS, on modélise directement les données à l aide d une succession de régressions simples ou multiples (Tenenhaus, 1999). Ces bases statistiques si différentes entre les deux techniques amènent Jöreskog et Wold (1982: 270) à caractériser LISREL de modélisation dure par opposition à l approche PLS qualifiée de modélisation douce. En outre, LISREL est beaucoup moins adapté que PLS pour estimer des modèles formatifs (Chin & Gopal, 1995 ; Crié, 2005). Ensuite, les hypothèses concernant la distribution des données, la taille de l échantillon et le nombre d indicateurs par construit sont très fortes pour LISREL, et beaucoup moins pour PLS ainsi que nous l avons vu précédemment. Puis, à la différence de la méthode LISREL, l approche PLS n optimise aucune fonction scalaire, donc il manque naturellement un indice qui puisse fournir à l utilisateur une validation globale du modèle (comme c est le cas avec le Chi 2 et d autres mesures liées aux techniques basées sur la covariance). Pour autant, ainsi que nous l avons présenté 2.Mais des problèmes d ordre conceptuel peuvent surgir quand on utilise des analyses des structures de covariance comme LIS- REL pour des construits formatifs (Tensaout, 2006 ; Haeinlein & Kaplan, 2004 ; Petter, et al., 2007). 112
13 vol. 15 no. 1, 2012, Valerie FERNANDES en première partie, un indice d ajustement (Goodness-of-fit) a été créé afin de répondre à ce problème et permet de valider le modèle PLS dans sa globalité (Tenenhaus, et al., 2005). Enfin, l approche PLS est particulièrement indiquée dans les recherches de type exploratoire, où le cadre théorique est faible, voire inexistant. Tableau 4. Eléments de comparaison entre PLS et LISREL Critères PLS LISREL Modélisation des construits Construits formatifs et réflexifs. Construits formatifs et réflexifs. Variables latentes Déterminées. Indéterminées à un terme d erreur près. Test de modèles récursifs Non. Oui. Modèle statistique Distribution des données Approche selon les moindres carrés partiels Succession de régressions simples ou multiples. Peu importe. Approche du maximum de vraisemblance - Analyse des structures de covariance. Normalité des données. Taille de l échantillon Nombre d indicateurs par construit/ Complexité du modèle Approche conceptuelle/ Finalité Peut être faible. Recommandations minimales : de 30 à 100 observations Peut être élevé. Par exemple 100 construits et 1000 indicateurs Peut-être utilisé dans un cadre exploratoire. Plus une méthode prédictive et de construction de la théorie. Elevée. Recommandations minimales : de 200 à 800 observations Peu élevé. En relation avec la taille de l échantillon. Complexité modérée à faible (moins de 100 indicateurs). Cadre confirmatoire. Obligation de se baser sur un modèle théorique. Les critères devant aider au choix de la méthode d équations struc- 113
14 En quoi l approche PLS est-elle une méthode a (re)-découvrir pour les chercheurs en management? M@n@gement vol. 15 no. 1, 2012, turelles PLS sont, selon Haeinlen et Kaplan (2004), les suivants : tout d abord, un nombre important d indicateurs par variable latente (qui impose une taille de l échantillon trop importante dans les méthodes de covariance), ensuite des construits formatifs et enfin la taille de l échantillon. Hsu et al. (2006) rajoutent le caractère exploratoire de la recherche. Ces critères sont résumés ci-après (figure 4). Figure 4. Diagramme de décision de la méthode d équations structurelles Indicateurs formatifs? Oui Non Taille de l échantillon élevée? Non Oui Nombre d indicateurs par variable latente élevé Oui Non Objectif du modèle Prédiction Test de la théorie Niveau de développement du modèle? Exploratoire Très développé Technique d équations structurelles basée sur la covariance Technique d équations structurelles PLS Source : Hsu et al. (2006: 369). PLS et LISREL peuvent aussi être perçus comme des outils complémentaires, LISREL ayant une finalité confirmatoire. Dans ce cas, de par sa nature exploratoire, PLS permet de mettre en lumière des relations théoriques entre les variables latentes, lesquelles appellent à être confirmées par LISREL. Croutsche (2002) précise que LISREL, en tant qu approche complémentaire de PLS, va permettre d analyser la matrice de corrélation des variables latentes (issue de l analyse PLS) pour ensuite «estimer les valeurs des coefficients de dépendance dès que l on teste avec PLS un modèle récursif. Dans ce cas, la matrice de 114
15 vol. 15 no. 1, 2012, Valerie FERNANDES corrélation des variables latentes est exacte, alors que les coefficients de dépendance sont biaisés. Enfin, on compare les valeurs des coefficients de dépendance de PLS et de LISREL. Les relations estimées par LISREL sont en général supérieures à celles obtenues par PLS.» Une analyse empirique de l approche PLS Afin d appréhender plus concrètement l utilisation de l approche PLS et ainsi d évaluer la maîtrise de l outil, nous avons réalisé une étude empirique portant sur des publications en management/stratégie. Ces dernières ont été sélectionnées sur le critère de la qualité de la revue : on a pour cela utilisé les classements des revues effectués par le CNRS, l AERES et l ESSEC. 51 articles de 1985 à décembre 2008 ont ainsi été identifiés de façon exhaustive dans 19 revues. Une première analyse permet de faire le constat suivant : à partir de 1997, le nombre d articles en management commence à croitre, tendance qui se confirme dans les années 2000 (figure 5). Ainsi, de 2000 à 2008, le nombre d articles utilisant la méthode PLS représente 70% du total des contributions, on remarque une stabilisation du nombre de publications. Figure 5. Evolution du nombre d articles en management/stratégie utilisant l approche PLS Divers critères, présentés lors de la première partie de cet article, nous ont servi de grille d analyse. Ils portent sur le contexte d utilisation de la méthode, la structure du modèle, la taille de l échantillon et les éléments d évaluation. Le contexte d utilisation Concernant le contexte, nous nous sommes intéressés à la nature de la recherche et aux raisons invoquées pour justifier l utilisation de la méthode. Les principaux résultats figurent dans le tableau récapitulatif suivant (tableau 5). 115
16 En quoi l approche PLS est-elle une méthode a (re)-découvrir pour les chercheurs en management? M@n@gement vol. 15 no. 1, 2012, Tableau 5. Tableau récapitulatif de l analyse des articles en management/stratégie utilisant PLS Nature de la recherche Exploratoire 41,2% Confirmatoire 58,8% Eléments justifiant le choix de l approche PLS Distribution des données 62,7% Taille de l échantillon 51% Construits formatifs 33,3% Nature prédictive de la recherche 27,5% Nombre d indicateurs (complexité du modèle) 15,7% Nature de la relation entre les construits Formatif 3,9% Réflexif 9,8% Les deux 31,4% Non spécifiée 54,9% Nombre de variables latentes Moyenne : 8,30 Ecart-type : 6,40 Minimum : 2 Maximum : 47 Coefficient de variation : 0,77 Homogénéité Nombre d indicateurs Moyenne : 29,87 Ecart-type : 22,63 Minimum : 2 Maximum : 135 Coefficient de variation : 0,76 Homogénéité Taille de l échantillon Moyenne : 213, 77 Ecart-type : 159,50 Minimum : 21 Maximum : 264 (sans les valeurs extrêmes) Coefficient de variation : 0,74 Homogénéité Facteurs de second ordre Oui 13,7% 116
17 vol. 15 no. 1, 2012, Valerie FERNANDES Utilisation des indicateurs d évaluation du modèle de mesure Loadings (fiabilité des items) 64,7% Fiabilité composite (validité convergente) 51% Alpha de Cronbach (validité convergente) 41,2% Analyse des Eigen Values (validité convergente) 5,9% Variance Moyenne Extraite (AVE) (Validité discriminante) 62,7% Utilisation des indicateurs d évaluation du modèle structurel Coefficient Path (coefficient de régression) 98% R² de chaque construit (prédiction structurelle) 90,2% Q² (validité nomologique) 7,8% Méthodes de ré-échantillonnage Jackknife 23,5% Bootstrap 29,4% Aucune 47,1% Logiciel utilisé PLS Graph 25,5% Autre 11,8% Non cité 62,7% Il apparait que plus de 40% des recherches étudiées sont de nature exploratoire. Les principales raisons évoquées pour justifier l utilisation de l approche PLS sont : une distribution des données ne respectant pas les règles de normalité, une faible taille de l échantillon, la structure formative des construits, la nature prédictive de la recherche, et enfin le nombre important d indicateurs. On remarque, comme l ont fait Marcoulides et Saunders (2006) et Hulland (1999), que la nature exploratoire et prédictive de la recherche ainsi que le caractère formatif des construits ne sont pas les arguments les plus exploités. Nous notons par ailleurs qu une seule recherche utilise conjointement l approche PLS et une approche basée sur la covariance. Des modèles complexes Concernant la structure des modèles étudiés, nous pouvons émettre les commentaires suivants. Tout d abord, 55% des recherches analysées ne précisent pas la nature des relations entre les construits et leurs variables respectives. Or, rappelons combien la spécification de la modélisation des construits est fondamentale tant les implications conceptuelles sont grandes (Crié, 2005 ; Jarvis, et al., 2005). Ensuite, différents éléments étudiés (le nombre de variables latentes et le nombre d indicateurs) mettent en évidence une forte complexité des modèles étudiés 8 variables latentes et 30 indicateurs en moyenne - qui, au regard d une faible taille de l échantillon (moyenne de 214 observations environ), ne fait que renforcer l intérêt de l approche PLS. Des éléments d évaluation diversement mobilisés Dernier critère d analyse, les éléments d évaluation de la recherche sont, comme les résultats ci-après le montrent, diversement mobilisés et démontrent à nouveau le bien-fondé des remarques de Marcoulides 117
18 En quoi l approche PLS est-elle une méthode a (re)-découvrir pour les chercheurs en management? M@n@gement vol. 15 no. 1, 2012, et Saunders (2006) et Hulland (1999). Tout d abord, les indicateurs de vérification de l unidimensionnalité des construits sont utilisés à des degrés variés comme le montre le tableau 5. Il est surprenant de noter que les indicateurs de validité convergente (fiabilité composite) et de fiabilité des items (loadings) ne sont cités respectivement que par 51% et près de 65% des articles étudiés. On remarque aussi que l indicateur de fiabilité composite est plus largement mis en avant que l alpha de Cronbach, ce qui est cohérent, étant donné que l indicateur de fiabilité composite est souvent présenté comme plus pertinent (Chin, 1998). Quant aux valeurs propres issues des analyses en composantes principales (Eigen Values), elles ne sont quasiment jamais présentées. Enfin 37% des articles ne spécifient pas la validité discriminante des construits (AVE). Ces éléments semblent démontrer que l analyse du modèle de mesure ne prend pas systématiquement en compte les différents indicateurs d évaluation, comme cela devrait être le cas. Quant au modèle structurel, si les coefficients de régression et de R² sont cités à plus de 98% et 90%, la validité nomologique du modèle n est quasiment jamais précisée puisque l indicateur Q² n est cité que par 8 % environ des articles étudiés. Enfin, notons que l indice global d ajustement développé par Tenenhaus et al. (2005) n a été cité par aucune des recherches étudiées. Cela parait normal eu égard à la très faible diffusion de ce nouvel indicateur. Des méthodes de ré-échantillonnage sont utilisées par 53% des articles étudiés. La technique la plus utilisée est celle du Bootstrap (29%) suivie par celle du Jackknife (23,5%). Enfin, nous pouvons remarquer que plus de 60% des articles ne nomment pas le logiciel utilisé et que celui le plus cité est PLS-Graph (développé par Chin). Les enseignements Tout d abord, les principaux atouts mis en avant par les recherches analysées concernent essentiellement les conditions statistiques plus souples offertes par la méthode ainsi que la possibilité d étudier des modèles complexes. L approche PLS a aussi permis l élaboration de modèles exploratoires, servant ainsi au développement théorique plus qu au test. Néanmoins on note que l évaluation du modèle de mesure et celle du modèle structurel apparaissent comme insuffisantes pour justifier de la scientificité des résultats obtenus pour un grand nombre des recherches analysées. Certaines lacunes doivent donc être soulignées : la non-utilisation systématique de l indicateur de fiabilité composite, la quasi-absence de référence aux valeurs propres issues des analyses en composantes principales ou encore la surprenante absence de référence à la validité nomologique du modèle. Néanmoins, on peut noter une légère tendance ces dernières années à plus utiliser ces outils, résultat peut-être d une plus grande exigence de la part des évaluateurs des revues ou de l impact de certains articles comme ceux de Marcoulides et Saunders (2006) ou de Hulland (1999). 118
19 vol. 15 no. 1, 2012, Valerie FERNANDES CONCLUSION Nous avons tenté, dans cet article, de démontrer en quoi l approche PLS est une méthode riche et subtile offrant des opportunités pour la recherche en management/stratégie qui méritent d être saisies. En effet, le champ du management et de la stratégie appelle très souvent, lors de recherches empiriques, l étude d entreprises et autres organisations qui sont par nature moins nombreuses ou plus difficiles à toucher lors d une étude quantitative par questionnaire qu une population composée de consommateurs ou de citoyens. Cela se traduit alors souvent par des tailles d échantillon parfois incompatibles avec les exigences des méthodes d équations structurelles basées sur la covariance. Le chercheur se voit alors contraint de réorienter ses analyses statistiques, de simplifier son modèle ou bien de passer outre les hypothèses statistiques, prenant alors le risque d obtenir des résultats non significatifs. Par ailleurs, ces méthodes ne s utilisent que dans un cadre confirmatoire. Or, nombre de chercheurs étudient des phénomènes de nature exploratoire et l approche PLS se révèle alors bien plus appropriée. Car l outil ne doit pas conduire la recherche comme cela peut parfois être le cas. En effet, certains chercheurs peuvent être contraints, pour maximiser leurs chances d être publiés, d utiliser certains outils statistiques considérés comme «incontournables», à l instar des équations structurelles. PLS peut alors être une bonne alternative pour des recherches exploratoires et dont les données statistiques ne suivent pas les hypothèses de normalité ou de taille d échantillon classiquement requises. C est en cela que cette approche, aux visées plus prédictives qu explicatives, peut offrir de réelles opportunités aux chercheurs en management, les affranchissant de certaines difficultés techniques et leur permettant de se concentrer alors sur l essentiel, c est-à-dire leur objet de recherche. La diffusion de l approche PLS au sein de la communauté des chercheurs en management pourrait donc contribuer de façon très significative à l enrichissement scientifique de la discipline. 119
20 En quoi l approche PLS est-elle une méthode a (re)-découvrir pour les chercheurs en management? M@n@gement vol. 15 no. 1, 2012, Remerciements : L auteur tient à remercier les évaluateurs pour leur lecture attentive, ainsi que pour leurs conseils et remarques qui ont permis d améliorer sensiblement la recherche menée. Valérie Fernandes est Professeur de Supply Chain Management et responsable du département Economie Stratégie Organisation du Groupe Sup de Co La Rochelle. Membre du CEREGE Poitiers, ses travaux actuels portent sur deux axes : les relocalisations d activités sur le territoire national et européen et les impacts du développement durable sur les stratégies et les pratiques en supply chain management. Elle s intéresse aussi aux opportunités et aux limites des méthodes de recherche en management. 120
21 vol. 15 no. 1, 2012, Valerie FERNANDES REFERENCES Burnette, J. L., & Williams, L. J. (2005). Structural Equation Modeling (SEM): an introduction to basic techniques and advanced issues. In R. A. Swanson, E. F. Holton III (Eds.), Research in organization: foundations and methods of inquiry (pp ). San Francisco: Berret-Koehler Publishers. Chin, W. W. (1998). The partial Least Squares approach for structural equation modelling. In G. A. Marcoulides (Eds.), Modern Methods for Business Research (pp ). London: Lawrence Erlbaum Associates. Chin, W. W. (1995). PLS is to LISREL as principal components analysis is to common factor analysis. Technology Studies, 2, Chin, W. W., & Gopal, A. (1995). Adoption intention in GSS : importance of beliefs. Data Base advances, 26(2&3), Chin, W. W., Marcolin, B. L., & Newsted, P. R. (2003). A partial least squares latent variable modeling approach for measuring interaction effects: results from a Monte Carlo simulation study and an electronicmail emotion/adoption study. Information Systems Research, 14(2): Chin, W. W., & Newsted, P. R. (1999). Structural Equation Modeling Analysis with Small Samples using Partial Least Squares. In R. Hoyle (Eds.), Statistical Strategies for Small Sample Research (pp ). London: Sage Publication. Crié, D. (2005). De l usage des modèles de mesure réflectifs ou formatifs dans les modèles d équations structurelles. Recherche et Application en Marketing, 20(2), Croutsche, J. J. (2002). Etude des relations de causalité: utilisation des modèles d équations structurelles. La revue des sciences de gestion, 198, Croutsche, J. J. (2009). Analyse des données en Marketing, en Management et en Sciences Sociales: Conceptualisation et Applications. Paris: Editions ESKA. Croutsche, J. J. (1997). Pratique de l analyse des données en marketing et gestion. Paris: Editions Eska. Fornell, C., & Bookstein, F. L. (1982). Two Structural Equation Models: LISREL and PLS applied to Consumer Exit-Voice Theory. Journal of Marketing Research, 19(4), Fornell, C., & Cha, J. (1994). Partial Least Squares. In R. P. Bagozzi (Eds.), Advanced Methods of Marketing Research (pp ). Cambridge: Basil Blackwell. Fornell, C., & Larcker, D. F. (1981). Evaluating Structural Equation Models with Unobservable Variables and Measurement Error. Journal of Marketing Research, 18(3), Haenlein, M., & Kaplan, A. M. (2004). A beginner s guide to Partial Least Squares Analysis. Understanding Statistics, 3(4), Hsieh, C.T., Lai, F., & Shi, W. (2006). Information orientation and its impacts on information asymmetry and e-business adoption: evidence from China international trading industry. Industrial Management & Data Systems, 106(6), Hsu, S.-H., Chen, W.-H., & Hsieh, M.-J. (2006). Robustness Testing of PLS, LISREL, EQS and ANN-based SEM for Measuring Customer Satisfaction. Total Quality Management, 17(3), Hulland, J. (1999). Use of partial least squares (PLS) in strategic management research: a review of four recent studies. Strategic Management Journal, 20(2), Jakobowicz, E. (2007). Contributions aux modèles structurels à variables latentes. Thèse de doctorat, Conservatoire National des Arts et Métiers, Paris. Jarvis, C. B., Mackenzie, S. B., & Podsakoff, P. M. (2004). Un examen critique des indicateurs de contruit et des erreurs de spécification des modèles de mesure dans la recherche en marketing et en comportement du consommateur. Recherche et applications en Marketing, 19(1), Jöreskog, K. G., & Wold, H. O. A. (1982). The ML and PLS techniques for modeling with latent variables : historical and comparative aspects. In K. G. Jöreskog & H. O. A. Wold (Eds.), Systems under indirect observations, Part 1 (pp ). Amsterdam: Elsevier Science Publisher. Malhotra, N. K. (2004). Marketing Research. London: Prentice Hall International. 121
Introduction à l approche bootstrap
Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?
Plus en détailÉconométrie, causalité et analyse des politiques
Économétrie, causalité et analyse des politiques Jean-Marie Dufour Université de Montréal October 2006 This work was supported by the Canada Research Chair Program (Chair in Econometrics, Université de
Plus en détailFORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc)
87 FORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc) Dans le cadre de la réforme pédagogique et de l intérêt que porte le Ministère de l Éducation
Plus en détailTABLE DES MATIÈRES. Bruxelles, De Boeck, 2011, 736 p.
STATISTIQUE THÉORIQUE ET APPLIQUÉE Tome 2 Inférence statistique à une et à deux dimensions Pierre Dagnelie TABLE DES MATIÈRES Bruxelles, De Boeck, 2011, 736 p. ISBN 978-2-8041-6336-5 De Boeck Services,
Plus en détailLes simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R
Les simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R Yves Aragon, David Haziza & Anne Ruiz-Gazen GREMAQ, UMR CNRS 5604, Université des Sciences
Plus en détailMRK -6081 A : Méthodes d Analyse de Données en Marketing Automne 2010
E MRK -6081 A : Méthodes d Analyse de Données en Marketing Automne 2010 Professeure :Elissar Toufaily Plage horaire du cours : Cours en salle Jeudi 15h 30-18h30 Local 4221 PAP Du 2 septembre. 2010 au 9
Plus en détailTABLE DES MATIERES. C Exercices complémentaires 42
TABLE DES MATIERES Chapitre I : Echantillonnage A - Rappels de cours 1. Lois de probabilités de base rencontrées en statistique 1 1.1 Définitions et caractérisations 1 1.2 Les propriétés de convergence
Plus en détailExemple PLS avec SAS
Exemple PLS avec SAS This example, from Umetrics (1995), demonstrates different ways to examine a PLS model. The data come from the field of drug discovery. New drugs are developed from chemicals that
Plus en détailLA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»
LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers
Plus en détailHIVER 2004 MÉTHODOLOGIE DE LA RECHERCHE EN MARKETING MRK - 65384
Professeur : Raoul Graf FSA-Université Laval Pavillon Palasis Prince Bureau 2413 Tél. : 418 656 2131 ext. 2688 Courriel : Raoul.Graf@mrk.ulaval.ca HIVER 2004 MÉTHODOLOGIE DE LA RECHERCHE EN MARKETING MRK
Plus en détailCoup de Projecteur sur les Réseaux de Neurones
Coup de Projecteur sur les Réseaux de Neurones Les réseaux de neurones peuvent être utilisés pour des problèmes de prévision ou de classification. La représentation la plus populaire est le réseau multicouche
Plus en détailItem 169 : Évaluation thérapeutique et niveau de preuve
Item 169 : Évaluation thérapeutique et niveau de preuve COFER, Collège Français des Enseignants en Rhumatologie Date de création du document 2010-2011 Table des matières ENC :...3 SPECIFIQUE :...3 I Différentes
Plus en détail$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU
$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU Fabien FIGUERES fabien.figueres@mpsa.com 0RWVFOpV : Krigeage, plans d expériences space-filling, points de validations, calibration moteur. 5pVXPp Dans le
Plus en détailÉvaluation de la régression bornée
Thierry Foucart UMR 6086, Université de Poitiers, S P 2 M I, bd 3 téléport 2 BP 179, 86960 Futuroscope, Cedex FRANCE Résumé. le modèle linéaire est très fréquemment utilisé en statistique et particulièrement
Plus en détailLa survie nette actuelle à long terme Qualités de sept méthodes d estimation
La survie nette actuelle à long terme Qualités de sept méthodes d estimation PAR Alireza MOGHADDAM TUTEUR : Guy HÉDELIN Laboratoire d Épidémiologie et de Santé publique, EA 80 Faculté de Médecine de Strasbourg
Plus en détailNON-LINEARITE ET RESEAUX NEURONAUX
NON-LINEARITE ET RESEAUX NEURONAUX Vêlayoudom MARIMOUTOU Laboratoire d Analyse et de Recherche Economiques Université de Bordeaux IV Avenue. Leon Duguit, 33608 PESSAC, France tel. 05 56 84 85 77 e-mail
Plus en détailINF6304 Interfaces Intelligentes
INF6304 Interfaces Intelligentes filtres collaboratifs 1/42 INF6304 Interfaces Intelligentes Systèmes de recommandations, Approches filtres collaboratifs Michel C. Desmarais Génie informatique et génie
Plus en détailFiltrage stochastique non linéaire par la théorie de représentation des martingales
Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de
Plus en détailUFR de Sciences Economiques Année 2008-2009 TESTS PARAMÉTRIQUES
Université Paris 13 Cours de Statistiques et Econométrie I UFR de Sciences Economiques Année 2008-2009 Licence de Sciences Economiques L3 Premier semestre TESTS PARAMÉTRIQUES Remarque: les exercices 2,
Plus en détailCONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un
Plus en détailLe WACC est-il le coût du capital?
Echanges d'expériences Comptabilité et communication financière Dans une évaluation fondée sur la méthode DCF, l objectif premier du WACC est d intégrer l impact positif de la dette sur la valeur des actifs.
Plus en détailExploitation et analyse des données appliquées aux techniques d enquête par sondage. Introduction.
Exploitation et analyse des données appliquées aux techniques d enquête par sondage. Introduction. Etudes et traitements statistiques des données : le cas illustratif de la démarche par sondage INTRODUCTION
Plus en détailUNIVERSITÉ DE MONTRÉAL DÉPARTEMENT DE SOCIOLOGIE ************* Cours de niveau gradué en méthodes quantitatives *************
************* Cours de niveau gradué en méthodes quantitatives ************* SOL 6210 - Analyse quantitative avancée Le séminaire d analyse quantitative avancée se donne en classe une fois par année. Chaque
Plus en détailPrincipe d un test statistique
Biostatistiques Principe d un test statistique Professeur Jean-Luc BOSSON PCEM2 - Année universitaire 2012/2013 Faculté de Médecine de Grenoble (UJF) - Tous droits réservés. Objectifs pédagogiques Comprendre
Plus en détail4. Résultats et discussion
17 4. Résultats et discussion La signification statistique des gains et des pertes bruts annualisés pondérés de superficie forestière et du changement net de superficie forestière a été testée pour les
Plus en détailPrincipe de symétrisation pour la construction d un test adaptatif
Principe de symétrisation pour la construction d un test adaptatif Cécile Durot 1 & Yves Rozenholc 2 1 UFR SEGMI, Université Paris Ouest Nanterre La Défense, France, cecile.durot@gmail.com 2 Université
Plus en détailModélisation géostatistique des débits le long des cours d eau.
Modélisation géostatistique des débits le long des cours d eau. C. Bernard-Michel (actuellement à ) & C. de Fouquet MISTIS, INRIA Rhône-Alpes. 655 avenue de l Europe, 38334 SAINT ISMIER Cedex. Ecole des
Plus en détailNOTE SUR LA MODELISATION DU RISQUE D INFLATION
NOTE SUR LA MODELISATION DU RISQUE D INFLATION 1/ RESUME DE L ANALYSE Cette étude a pour objectif de modéliser l écart entre deux indices d inflation afin d appréhender le risque à très long terme qui
Plus en détailComptabilité à base d activités (ABC) et activités informatiques : une contribution à l amélioration des processus informatiques d une banque
Comptabilité à base d activités (ABC) et activités informatiques : une contribution à l amélioration des processus informatiques d une banque Grégory Wegmann, Stephen Nozile To cite this version: Grégory
Plus en détailSOCLE COMMUN - La Compétence 3 Les principaux éléments de mathématiques et la culture scientifique et technologique
SOCLE COMMUN - La Compétence 3 Les principaux éléments de mathématiques et la culture scientifique et technologique DOMAINE P3.C3.D1. Pratiquer une démarche scientifique et technologique, résoudre des
Plus en détailCorefris RAPPORT ANNUEL 2011. Annexe 3 : La hausse des prix de l immobilier est-elle associée à une «bulle» de crédit en France?
Annexe 3 : La hausse des prix de l immobilier est-elle associée à une «bulle» de crédit en France? (DGTrésor) 1. Indépendamment de facteurs d offre et de demande, qui jouent indéniablement sur les prix,
Plus en détailL'intelligence d'affaires: la statistique dans nos vies de consommateurs
L'intelligence d'affaires: la statistique dans nos vies de consommateurs Jean-François Plante, HEC Montréal Marc Fredette, HEC Montréal Congrès de l ACFAS, Université Laval, 6 mai 2013 Intelligence d affaires
Plus en détailNotes de lecture : Dan SPERBER & Deirdre WILSON, La pertinence
Notes de lecture : Dan SPERBER & Deirdre WILSON, La pertinence Gwenole Fortin To cite this version: Gwenole Fortin. Notes de lecture : Dan SPERBER & Deirdre WILSON, La pertinence. 2006.
Plus en détailArticle de recherche théorique et article de recherche empirique : particularités 1
La présentation d un article de recherche de type théorique 1 Article de recherche théorique et article de recherche empirique : particularités 1 Gilles Raîche, professeur Université du Québec à Montréal
Plus en détailGestion obligataire passive
Finance 1 Université d Evry Séance 7 Gestion obligataire passive Philippe Priaulet L efficience des marchés Stratégies passives Qu est-ce qu un bon benchmark? Réplication simple Réplication par échantillonnage
Plus en détailModèle de troncature gauche : Comparaison par simulation sur données indépendantes et dépendantes
de troncature gauche : Comparaison par simulation sur données indépendantes et dépendantes Zohra Guessoum 1 & Farida Hamrani 2 1 Lab. MSTD, Faculté de mathématique, USTHB, BP n 32, El Alia, Alger, Algérie,zguessoum@usthb.dz
Plus en détailMODÈLE DE TRANSFORMATION ORGANISATIONNELLE CONDUISANT À L AUGMENTATION DES VENTES PAR UNE MEILLEURE PRODUCTIVITÉ
MODÈLE DE TRANSFORMATION ORGANISATIONNELLE CONDUISANT À L AUGMENTATION DES VENTES PAR UNE MEILLEURE PRODUCTIVITÉ TRANSACTIONNELLE ET EXPÉRIENTIELLE DU PERSONNEL DE PREMIÈRE LIGNE EN RESTAURATION : RÉSULTATS
Plus en détailFOTO - L OMNIBUS MENSUEL DE CROP LE NOUVEAU CROP-EXPRESS
FOTO - L OMNIBUS MENSUEL DE CROP LE NOUVEAU CROP-EXPRESS 550, RUE SHERBROOKE OUEST MONTRÉAL (QUÉBEC) H3A 1B9 BUREAU 900 TOUR EST T 514 849-8086, POSTE 3064 Réflexions méthodologiques Depuis des années,
Plus en détailEtude des propriétés empiriques du lasso par simulations
Etude des propriétés empiriques du lasso par simulations L objectif de ce TP est d étudier les propriétés empiriques du LASSO et de ses variantes à partir de données simulées. Un deuxième objectif est
Plus en détailAnalyse de la variance Comparaison de plusieurs moyennes
Analyse de la variance Comparaison de plusieurs moyennes Biostatistique Pr. Nicolas MEYER Laboratoire de Biostatistique et Informatique Médicale Fac. de Médecine de Strasbourg Mars 2011 Plan 1 Introduction
Plus en détailOPTIMISATION DE LA MAINTENANCE DES EQUIPEMENTS DE MANUTENTION DU TERMINAL A CONTENEURS DE BEJAIA (BMT)
OPTIMISATION DE LA MAINTENANCE DES EQUIPEMENTS DE MANUTENTION DU TERMINAL A CONTENEURS DE BEJAIA (BMT) LAGGOUNE Radouane 1 et HADDAD Cherifa 2 1,2: Dépt. de G. Mécanique, université de Bejaia, Targa-Ouzemour
Plus en détailEvaluer l ampleur des économies d agglomération
Pierre-Philippe Combes GREQAM - Université d Aix-Marseille Ecole d Economie de Paris CEPR Janvier 2008 Supports de la présentation Combes, P.-P., T. Mayer et J.-T. Thisse, 2006, chap. 11. Economie Géographique,
Plus en détailL indice de SEN, outil de mesure de l équité des systèmes éducatifs. Une comparaison à l échelle européenne
L indice de SEN, outil de mesure de l équité des systèmes éducatifs. Une comparaison à l échelle européenne Sophie Morlaix To cite this version: Sophie Morlaix. L indice de SEN, outil de mesure de l équité
Plus en détailEtude d un cas industriel : Optimisation de la modélisation de paramètre de production
Revue des Sciences et de la Technologie RST- Volume 4 N 1 /janvier 2013 Etude d un cas industriel : Optimisation de la modélisation de paramètre de production A.F. Bernate Lara 1, F. Entzmann 2, F. Yalaoui
Plus en détailRelation entre deux variables : estimation de la corrélation linéaire
CHAPITRE 3 Relation entre deux variables : estimation de la corrélation linéaire Parmi les analyses statistiques descriptives, l une d entre elles est particulièrement utilisée pour mettre en évidence
Plus en détailMémoire d actuariat - promotion 2010. complexité et limites du modèle actuariel, le rôle majeur des comportements humains.
Mémoire d actuariat - promotion 2010 La modélisation des avantages au personnel: complexité et limites du modèle actuariel, le rôle majeur des comportements humains. 14 décembre 2010 Stéphane MARQUETTY
Plus en détailSatisfaction des stagiaires de BRUXELLES FORMATION Résultats 2013
Satisfaction des stagiaires de BRUXELLES FORMATION Résultats 2013 Cahier méthodologique, tableau récapitulatif 2009-2013 et Matrices importance/performance Mars 2014 Service Études et Statistiques Table
Plus en détailExercice : la frontière des portefeuilles optimaux sans actif certain
Exercice : la frontière des portefeuilles optimaux sans actif certain Philippe Bernard Ingénierie Economique & Financière Université Paris-Dauphine Février 0 On considère un univers de titres constitué
Plus en détailChapitre 3. Les distributions à deux variables
Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles
Plus en détailCompte-rendu de Hamma B., La préposition en français
Compte-rendu de Hamma B., La préposition en français Badreddine Hamma To cite this version: Badreddine Hamma. Compte-rendu de Hamma B., La préposition en français. Revue française de linguistique appliquée,
Plus en détailGuide No.2 de la Recommandation Rec (2009).. du Comité des Ministres aux États membres sur la démocratie électronique
DIRECTION GENERALE DES AFFAIRES POLITIQUES DIRECTION DES INSTITUTIONS DEMOCRATIQUES Projet «BONNE GOUVERNANCE DANS LA SOCIETE DE L INFORMATION» CAHDE (2009) 2F Strasbourg, 20 janvier 2009 Guide No.2 de
Plus en détailUNIVERSITÉ DU QUÉBEC À MONTRÉAL TESTS EN ÉCHANTILLONS FINIS DU MEDAF SANS LA NORMALITÉ ET SANS LA CONVERGENCE
UNIVERSITÉ DU QUÉBEC À MONTRÉAL TESTS EN ÉCHANTILLONS FINIS DU MEDAF SANS LA NORMALITÉ ET SANS LA CONVERGENCE MÉMOIRE PRÉSENTÉ COMME EXIGENCE PARTIELLE DE LA MAÎTRISE EN ÉCONOMIE PAR MATHIEU SISTO NOVEMBRE
Plus en détailAnalyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés
Analyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés Professeur Patrice Francour francour@unice.fr Une grande partie des illustrations viennent
Plus en détailÉtude «analyse, reporting et budget» Niveau d équipement et attentes des PME françaises.
Étude «analyse, reporting et budget» Niveau d équipement et attentes des PME françaises. Mai 2009 Préface Les PME ont aujourd hui accès aux technologies déjà déployées dans les grandes entreprises. En
Plus en détailTechniques du Data Mining pour la prédiction de faillite des entreprises et la gestion du risque de crédit
Techniques du Data Mining pour la prédiction de faillite des entreprises et la gestion du risque de crédit Adil Belhouari HEC - Montréal - Journées de l Optimisation 2005-09 Mai 2005 PLAN DE LA PRÉSENTATION
Plus en détailHUAWEI TECHNOLOGIES CO., LTD. channelroad. A better way. Together.
HUAWEI TECHNOLOGIES CO., LTD. channelroad A better way. Together. Partenaires sur la nouvelle Route de la soie Progresser le long d une nouvelle Route de la soie et être partenaire de Huawei présentent
Plus en détailStructure typique d un protocole de recherche. Préparé par Johanne Desrosiers dans le cadre d une formation au réseau FORMSAV
Structure typique d un protocole de recherche Préparé par Johanne Desrosiers dans le cadre d une formation au réseau FORMSAV Introduction Planification et développement d une proposition de recherche Étape
Plus en détailMODÈLE CROP DE CALIBRATION DES PANELS WEB
MODÈLE CROP DE CALIBRATION DES PANELS WEB 550, RUE SHERBROOKE OUEST MONTRÉAL (QUÉBEC) H3A 1B9 BUREAU 900 TOUR EST T 514 849-8086, POSTE 3064 WWW.CROP.CA Le Protocole CROP de calibration des panels en ligne
Plus en détailLa classification automatique de données quantitatives
La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations
Plus en détailBIG DATA : PASSER D UNE ANALYSE DE CORRÉLATION
BIG DATA : PASSER D UNE ANALYSE DE CORRÉLATION À UNE INTERPRÉTATION CAUSALE Arthur Charpentier Professeur d actuariat à l Université du Québec, Montréal Amadou Diogo Barry Chercheur à l Institut de santé
Plus en détailSujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes.
Promotion X 004 COURS D ANALYSE DES STRUCTURES MÉCANIQUES PAR LA MÉTHODE DES ELEMENTS FINIS (MEC 568) contrôle non classant (7 mars 007, heures) Documents autorisés : polycopié ; documents et notes de
Plus en détailModélisation aléatoire en fiabilité des logiciels
collection Méthodes stochastiques appliquées dirigée par Nikolaos Limnios et Jacques Janssen La sûreté de fonctionnement des systèmes informatiques est aujourd hui un enjeu économique et sociétal majeur.
Plus en détailDETERMINATION DE L INCERTITUDE DE MESURE POUR LES ANALYSES CHIMIQUES QUANTITATIVES
Agence fédérale pour la Sécurité de la Chaîne alimentaire Administration des Laboratoires Procédure DETERMINATION DE L INCERTITUDE DE MESURE POUR LES ANALYSES CHIMIQUES QUANTITATIVES Date de mise en application
Plus en détailRECHERCHE. Comprendre et mesurer la valeur du point de vue du consommateur. Philippe Aurier CREGO - IAE, Université Montpellier 2
Recherche et Applications en Marketing, vol. 19, n 3/2004 RECHERCHE Comprendre et mesurer la valeur du point de vue du consommateur Philippe Aurier CREGO - IAE, Université Montpellier 2 Yves Evrard Groupe
Plus en détailTests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles
Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA
Plus en détailSARM: Simulation of Absorption Refrigeration Machine
Revue des Energies Renouvelables Vol. 11 N 4 (2008) 587 594 SARM: Simulation of Absorption Refrigeration Machine S. Kherris 1*, M. Makhlouf 1 et A. Asnoun 2 1 Laboratoire des Matériaux et des Systèmes
Plus en détailProbabilités stationnaires d une chaîne de Markov sur TI-nspire Louis Parent, ing., MBA École de technologie supérieure, Montréal, Québec 1
Introduction Probabilités stationnaires d une chaîne de Markov sur TI-nspire Louis Parent, ing., MBA École de technologie supérieure, Montréal, Québec 1 L auteur remercie Mme Sylvie Gervais, Ph.D., maître
Plus en détailPolitique de gestion des risques
Objectif de la politique La gestion efficace des risques vise à assurer la continuité des opérations, le maintien de la qualité des services et la protection des actifs des organisations. Plus formellement,
Plus en détailLa valeur présente (ou actuelle) d une annuité, si elle est constante, est donc aussi calculable par cette fonction : VA = A [(1-1/(1+k) T )/k]
Evaluation de la rentabilité d un projet d investissement La décision d investir dans un quelconque projet se base principalement sur l évaluation de son intérêt économique et par conséquent, du calcul
Plus en détailIntroduction au datamining
Introduction au datamining Patrick Naïm janvier 2005 Définition Définition Historique Mot utilisé au départ par les statisticiens Le mot indiquait une utilisation intensive des données conduisant à des
Plus en détailEVALUATION DE LA QUALITE DES SONDAGES EN LIGNE : CAS D UN SONDAGE D OPINION AU BURKINA FASO
EVALUATION DE LA QUALITE DES SONDAGES EN LIGNE : CAS D UN SONDAGE D OPINION AU BURKINA FASO Auteur Baguinébié Bazongo 1 Ingénieur Statisticien Economiste Chef de l Unité de recherche à l Institut national
Plus en détailENQUÊTE DE SATISFACTION
Département CRM ENQUÊTE DE SATISFACTION 3 QUI SOMMES-NOUS? CUSTOMER RELATIONSHIP MANAGEMENT (CRM) Ensemble de mesures prises pour optimiser la relation et la fidélisation client dans le but d augmenter
Plus en détailLa problématique des tests. Cours V. 7 mars 2008. Comment quantifier la performance d un test? Hypothèses simples et composites
La problématique des tests Cours V 7 mars 8 Test d hypothèses [Section 6.1] Soit un modèle statistique P θ ; θ Θ} et des hypothèses H : θ Θ H 1 : θ Θ 1 = Θ \ Θ Un test (pur) est une statistique à valeur
Plus en détailIntérêt du découpage en sous-bandes pour l analyse spectrale
Intérêt du découpage en sous-bandes pour l analyse spectrale David BONACCI Institut National Polytechnique de Toulouse (INP) École Nationale Supérieure d Électrotechnique, d Électronique, d Informatique,
Plus en détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
Plus en détailUNIVERSITY OF MALTA FACULTY OF ARTS. French as Main Area in an ordinary Bachelor s Degree
French Programme of Studies (for courses commencing October 2009 and later) YEAR ONE (2009/10) Year (These units start in and continue in.) FRE1001 Linguistique théorique 1 4 credits Non Compensatable
Plus en détailModernisation et gestion de portefeuilles d applications bancaires
Modernisation et gestion de portefeuilles d applications bancaires Principaux défis et facteurs de réussite Dans le cadre de leurs plans stratégiques à long terme, les banques cherchent à tirer profit
Plus en détailRestaurer la confiance? Etudes Empiriques Conclusion et ouverture
Restaurer la confiance des investisseurs : une exploration expérimentale systématique de l effet des politiques d investissement socialement responsable. Marco Heimann Sous la direction de Jean-François
Plus en détailUne étude de différentes analyses réalisées par le BIT
Association internationale de la sécurité sociale Quinzième Conférence internationale des actuaires et statisticiens de la sécurité sociale Helsinki, Finlande, 23-25 mai 2007 Comparaison des hypothèses
Plus en détailApprentissage Automatique
Apprentissage Automatique Introduction-I jean-francois.bonastre@univ-avignon.fr www.lia.univ-avignon.fr Définition? (Wikipedia) L'apprentissage automatique (machine-learning en anglais) est un des champs
Plus en détaild évaluation Objectifs Processus d élaboration
Présentation du Programme pancanadien d évaluation Le Programme pancanadien d évaluation (PPCE) représente le plus récent engagement du Conseil des ministres de l Éducation du Canada (CMEC) pour renseigner
Plus en détailFORMULAIRE DE STATISTIQUES
FORMULAIRE DE STATISTIQUES I. STATISTIQUES DESCRIPTIVES Moyenne arithmétique Remarque: population: m xμ; échantillon: Mx 1 Somme des carrés des écarts "# FR MOYENNE(série) MOYENNE(série) NL GEMIDDELDE(série)
Plus en détailEric BARGET, MCF à la Faculté des sports de Poitiers CEREGE (Centre de Recherche en Gestion), IAE de Poitiers
Journée d étude sur «la métalogistique des événements sportifs» CRO3S / UFR STAPS d Orléans / 2 mai 2006 Eric BARGET, MCF à la Faculté des sports de Poitiers CEREGE (Centre de Recherche en Gestion), IAE
Plus en détailSondage auprès des employés du réseau de la santé et des services sociaux du Québec - Rapport sommaire -
Sondage auprès des employés du réseau de la santé et des services sociaux du Québec - Rapport sommaire - Juin 2009 1 Objectifs Réalisée par CROP pour le compte de l Association québécoise d établissements
Plus en détailProjet SINF2275 «Data mining and decision making» Projet classification et credit scoring
Projet SINF2275 «Data mining and decision making» Projet classification et credit scoring Année académique 2006-2007 Professeurs : Marco Saerens Adresse : Université catholique de Louvain Information Systems
Plus en détailConseils et préconisations de mutualisation ISO 2700x et ISO 20000 / ITIL Groupe de travail du Club 27001 Toulouse 3 Avril 2012
S Conseils et préconisations de mutualisation ISO 2700x et ISO 20000 / Groupe de travail du Club 27001 Toulouse 3 Avril 2012 Nicole Genotelle (ONX / Edelweb), Joris Pegli (SRCSolution), Emmanuel Prat (FullSave),
Plus en détailDirection des Études et Synthèses Économiques Département des Comptes Nationaux Division des Comptes Trimestriels
Etab=MK3, Timbre=G430, TimbreDansAdresse=Vrai, Version=W2000/Charte7, VersionTravail=W2000/Charte7 Direction des Études et Synthèses Économiques Département des Comptes Nationaux Division des Comptes Trimestriels
Plus en détailANALYSE DU RISQUE DE CRÉDIT
ANALYSE DU RISQUE DE CRÉDIT Banque & Marchés Cécile Kharoubi Professeur de Finance ESCP Europe Philippe Thomas Professeur de Finance ESCP Europe TABLE DES MATIÈRES Introduction... 15 Chapitre 1 Le risque
Plus en détailEXPLOITATIONS PEDAGOGIQUES DU TABLEUR EN STG
Exploitations pédagogiques du tableur en STG Académie de Créteil 2006 1 EXPLOITATIONS PEDAGOGIQUES DU TABLEUR EN STG Commission inter-irem lycées techniques contact : dutarte@club-internet.fr La maquette
Plus en détailM@n@gement ISSN: 1286-4892
M@n@gement ISSN: 1286-4892 Editors: Emmanuel Josserand, HEC, Université de Genève (Editor in Chief) Jean-Luc Arrègle, EDHEC (editor) Stewart Clegg, University of Technology, Sydney (editor) Philippe Monin,
Plus en détailFormat de l avis d efficience
AVIS D EFFICIENCE Format de l avis d efficience Juillet 2013 Commission évaluation économique et de santé publique Ce document est téléchargeable sur www.has-sante.fr Haute Autorité de santé Service documentation
Plus en détailICA Congress, Brisbane 2012 Thème général : Les temps qui changent. La confiance et les archives*
ICA Congress, Brisbane 2012 Thème général : Les temps qui changent. La confiance et les archives* Titre : Un résumé de la pratique archivistique internationale adaptée au niveau local : manuel pratique
Plus en détail2013-2014 Dr. Prosper Bernard Tel: 514-987-4250 // portable 514-910-2085 Bernard.prosper@uqam.ca prosper@universityconsortium.com
Département de management et technologie École de Sciences de la gestion Université du Québec à Montréal Dr Prosper M Bernard 514-987-4250 MBA 8400 + MBA 8401 STATISTIQUES et THÉORIE DE LA DÉCISION 2013-2014
Plus en détailAICp. Vincent Vandewalle. To cite this version: HAL Id: inria-00386678 https://hal.inria.fr/inria-00386678
Sélection prédictive d un modèle génératif par le critère AICp Vincent Vandewalle To cite this version: Vincent Vandewalle. Sélection prédictive d un modèle génératif par le critère AICp. 41èmes Journées
Plus en détailTests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA
Tests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA Soutenance de doctorat, sous la direction de Pr. Bilodeau, M. et Pr. Ducharme, G. Université de Montréal et Université
Plus en détailL assurance de la qualité à votre service
Atelier L assurance de la qualité à votre service Présentation de Jean-Marie Richard 24 et 25 novembre Sujets Qu est-ce que l assurance de la qualité? Initiation aux concepts de l assurance de la qualité.
Plus en détailValue at Risk. CNAM GFN 206 Gestion d actifs et des risques. Grégory Taillard. 27 février & 13 mars 20061
Value at Risk 27 février & 13 mars 20061 CNAM Gréory Taillard CNAM Master Finance de marché et estion de capitaux 2 Value at Risk Biblioraphie Jorion, Philippe, «Value at Risk: The New Benchmark for Manain
Plus en détailL ATTRIBUTION EN MARKETING DIGITAL
Online Intelligence Solutions L ATTRIBUTION EN MARKETING DIGITAL Par Jacques Warren WHITE PAPER WHITE PAPER A Propos de Jacques Warren Jacques Warren évolue en marketing digital depuis 1996, se concentrant
Plus en détailCONGRES PARIS-VENISE 2004
CONGRES PARIS-VENISE 2004 26-27 novembre 2004 Universita Ca Foscari Venezia Bulletin-Réponse M. Mme Prénom : Gilles Nom :_ROEHRICH Université/ Ecole : Ecole Supérieure de Affaires de Grenoble Adresse :
Plus en détailChapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens
Chapitre 7 Statistique des échantillons gaussiens Le théorème central limite met en évidence le rôle majeur tenu par la loi gaussienne en modélisation stochastique. De ce fait, les modèles statistiques
Plus en détail